事件检测是信息抽取领域的一个重要子任务,其主要目的是根据上下文识别出句子中的触发词及其事件类别,对于开发自动信息提取技术有着重要的意义。自然语言中事件信息的多样性为该任务带来了很大的挑战,本文从研究句子事件类别信息的角度入手,主要研究内容如下:（1）基于句子类别聚类的事件检测方法针对目前大部分事件检测研究忽略了句子之间事件关联的问题,本文从事件聚类角度出发,提出了一种基于句子类别聚类的事件检测方法。通过基于半监督学习的事件聚类模型,构建句子之间的事件关联,获取句子的聚类类别特征。实验表明,将句子的聚类类别特征融入事件检测模型后,模型在ACE中英文数据集上均有所提高。（2）基于句子类别分类的事件检测方法针对之前的问题,本文从事件分类角度出发,提出了一种基于句子类别分类的事件检测方法。通过基于BERT和注意力机制的句子事件分类模型,获取句子分类类别特征。为了进一步利用事件类别标签的文本信息,本文采用机器阅读理解模型的方法在句粒度融合事件类别特征,结合对比学习模块拉近同类别触发词之间的距离。实验表明,该模型在ACE中英文数据集上相比基准模型均有较大提升。（3）基于句子层次事件类别的事件检测方法针对目前大部分事件检测研究忽略了触发词之间层次事件关联的问题,本文提出了基于句子层次事件类别的事件检测方法。根据训练集中触发词之间的事件类别关联和上层类别关联,分别构建触发词图。基于所在句子的层次事件类别信息,将候选词与图中节点关联,在词粒度融合事件类别信息。结合候选词的动态多池化特征,进行触发词分类。该模型在ACE中英文数据集上相比基准模型均有明显提高。本文分别通过事件聚类和事件分类获取句子类别信息,用于事件检测。由于句子分类类别特征更为复杂,本文分别从句粒度和词粒度出发,学习句子和触发词之间的事件关联。最终实验表明了句子类别信息对于事件检测任务的重要性。